评估指标——均方误差（MSE）、平均绝对误差（MAE）

在各种机器学习比赛中都会看到MSE和MAE这两个指标，算出指标的值越小，说明模型的效果越好，为了防止下次忘记，所以有必要mark一下。

1. MSE(Mean Squared Error) 均方误差

$$MSE=\frac{1}{n}\sum _{i=1}^n{\left(y_i-y_i^{\prime }\right)}^2$$
另外我们还会经常碰到RMSE(Root Mean Squared Error)，其实就是对MSE取个根号，为均方根误差。

2. MAE(Mean Absolute Error) 平均绝对误差

$$MAE=\frac{1}{n}\sum _{i=1}^n\left|y_i-y_i^{\prime }\right|$$
更多请参考
https://blog.csdn.net/xiongchengluo1129/article/details/79155550
https://blog.csdn.net/stone_fall/article/details/89389269